超分辨图像质量评价综述

全面综述了超分辨图像质量评价的研究进展。超分辨图像质量评价是以人眼的主观质量评价结果为依据,利用算法模型对重建的超分辨图像进行评价。该评价方法对超分辨重建算法的优化和模型参数的选择具有重要的指导意义。首先对超分辨图像的主观评价方法进行阐述;其次对现有超分辨图像客观评价方法按照全参考型、部分参考型和无参考型进行了分类阐述,特别详细介绍了几种具有代表性的无参考质量评价的主要思想;接着从定量和定性两方面分别介绍了评价超分辨图像质量评价方法有效性的指标,并对评价算法的主要实验方法进行了简要阐述;最后对超分辨图像质量评价方法未来的发展趋势进行了展望。

应用多层感知机回归的无参考型超分辨图像质量评价

为解决传统超分辨图像质量评价(super-resolution image quality assessment,SRIQA)指标与人类主观感知一致性较差的问题,应用多层感知机(multi-layer perceptron,MLP)构建一种无参考型超分辨图像质量评价方法。该方法利用预训练好的VGG16网络提取超分辨图像的感知质量特征,并通过MLP建立超分辨图像的感知质量特征与对应主观质量分数之间的回归模型。实验结果表明:所提出的算法在公开的超分辨图像数据集上的皮尔逊线性相关系数(pearson linear correlation coefficient,PLCC)、斯皮尔曼秩序相关系数(spearman rank order correlation coefficient,SROCC)超过0.95,明显优于现有其他图像质量评价方法,且与人类主观感知具有更高的一致性。